不知道大家有没有同感，做接口测试麻烦的不是测试本身，而是接口它会变,更麻烦的不是接口变了，而是它变了而你不知道。等到你测完，开发才悠悠跟你说——“那个接口我改了点东西，你再看一眼哈”。我那是看一眼的工作量吗？我得review一遍看影响到哪些接口，再根据影响到的接口，查看并修改对应的接口用例，调用链下游的用例，该改的改，改完再跑一次接口测试。——这意味着已经

前言本次咱们来操作一下如何在Pycharm上，使用远程服务器上的Python环境。为什么这样做?这个要从我的一次经历说起,有一次我帮朋友爬取一些东西,由于类别不同,分了几次爬取,这一次我写好规则之后,依然正常爬取,由于我本人比较善良,加上数据量目测并不是太多,并没有使用代理ip,并且将scpay的速度控制的比较慢,一般爬取时,一般也就几分钟而已,泡一杯咖

起因先说说事情的起因，最近在分析数据时经常遇到一种场景，代码需要频繁的读某一张数据库的表，比如根据地区ID获取地区名称、根据网站分类ID获取分类名称、根据关键词ID获取关键词等。虽然以上需求都可以在原始建表时，通过冗余数据来解决。但仍有部分业务存的只是关联表的ID，数据分析时需要频繁的查表。所读的表存在共同的特点数据几乎不会变更数据量适中，从一万

南方地形地籍成图软件CASS10.0发布了，这是广东南方数码科技股份有限公司基于CAD平台开发的一套集地形、地籍、空间数据建库、工程应用、土石方算量等功能为一体的绘测软件，此款软件广泛运用于地构成图、地藉成图、工程丈量运用三大领域，且全部面向GIS，完全打通数字化成图体系与GIS接口，运用骨架线实时修改、简码用户化、GIS无缝接口等先进技术。!CASS

DRF分页组件为什么要使用分页我们数据表中可能会有成千上万条数据，当我们访问某张表的所有数据时，我们不太可能需要一次把所有的数据都展示出来，因为数据量很大，对服务端的内存压力比较大还有就是网络传输过程中耗时也会比较大。通常我们会希望一部分一部分去请求数据，也就是我们常说的一页一页获取数据并展示出来。DRF使用

任务是一组逻辑工作单元，线程是使任务异步执行的机制。下面分析两种通过创建线程来执行任务的策略。1将所有任务放在单个任务中串行执行；2为每个任务创建单独的线程来执行实际上两种方式都存在一些严重的缺陷。串行执行的问题在于其糟糕的响应和吞吐量；而为每个任务单独创建线程的问题在于资源管理的复杂性，容易造成资源的浪费和过度消耗，影响系统的稳定性。为了提

TUN模式；其实数据转发原理和上图是一样的，不过这个我个人认为主要是位于不同位置（不同机房）；LB是通过隧道进行了信息传输，虽然增加了负载，可是因为地理位置不同的优势，还是可以参考的一种方案；优点：负载均衡器只负责将请求包分发给物理服务器，而物理服务器将应答包直接发给用户。所以，负载均衡器能处理很巨大的请求量，这种方式，一台负载均衡能为超过100台的

不知道你们有没有对用户输入的东西进行过敏感校验，如果不进行校验，用户属于一些攻击脚本，那么我们的服务就挂逼啦！所以我们首先需要通过过滤器将用户的数据读出来进行安全校验，这里面涉及到一个动作，就是需要将用户的数据在过滤器中读出来，进行校验，通过之后再放行。问题如果我们的数据是get请求倒还好，但是如果是一些数据量比较大，我们需要通过postjs

最近开发一个项目。客户端每隔10秒提交100行数据给服务端，服务端查重后写入。客户端约在几万左右，提交数据比较集中，不考虑读数据的问题。现在的设计是：数据库按客户端进行分表。每个表的数据量不高。服务端获得数据后，先插入redis队列，然后在通过定时任务插入数据库。问题是：1、服务端提供给客户端的接口，是否能满足几千上万的客

为了方便更多朋友能尽快获得技术、游戏开发以及应用设计等方面的信息，我们从去年开始通过微信向大家推送信息，并且我们也收到了大家积极的反馈和建议，在此感谢大家的关注和支持。2014年，我们将一如既往地陪伴大家，做开发者最忠诚的朋友。微信已经成为我们生活中不可或缺的工具，但过大的信息量也会让人失去关注的焦点，为此我们特意挑选出部分开发者较为关注的技术问题整理成